Künstliche Intelligenz wird oft als „entscheidend“ für Unternehmen angepriesen. Ironischerweise behandeln viele Technologieführer sie trotz ihrer offenkundigen Begeisterung und erheblichen Investitionen in diese Technologie eher als ein bloßes Experiment denn als eine echte Unternehmensanwendung.
Es mehren sich die Anzeichen dafür, dass viele KI-Projekte nicht über das experimentelle oder Prototypenstadium hinauskommen. Laut Gartner-Prognosen werden bis Ende 2027 über 40 % der Projekte im Bereich agentenbasierter KI abgebrochen, häufig aufgrund unzureichender Risikokontrollen und unsicherer Renditen.Gartner prognostiziert, dass bis Ende 2027 mehr als 40 % der Proxy-KI-Projekte abgebrochen werden.]
Dieses Scheitern der Markteinführung bedeutet nicht nur einen Investitionsverlust, sondern führt langfristig auch zu einem sinkenden Vertrauen in die Technologie.
So entsteht eine wachsende Kluft zwischen zwei Kategorien von Organisationen: jenen, die KI schrittweise unternehmensweit einführen, und jenen, die Schwierigkeiten haben, sie erfolgreich zu implementieren. Diese Kluft dürfte sich mit dem Übergang von der Ära der generativen KI zur Ära der Proxy-KI noch vergrößern.
Eine klare Vision ist zweifellos der Schlüssel zum Erfolg im Bereich der künstlichen Intelligenz, ebenso wie die notwendigen Daten zur Entwicklung einer unverwechselbaren Strategie für Ihr Unternehmen. Dies, zusammen mit einer anfänglichen Investition, kann bereits ausreichen, um einen beeindruckenden Prototyp zu erstellen.
Aber reicht das aus, um den Erfolg im gesamten Unternehmen zu garantieren? Die Zahlen von Gartner geben eine eindeutige Antwort: Nein.
Was fehlt also? Was sollten Technologieführer tun, um sicherzustellen, dass künstliche Intelligenz nicht nur ein Instrument zur Beeindruckung ist, sondern ein echtes Mittel zum Erreichen von Ergebnissen?
Die Antwort liegt in der „Einsatzbereitschaft“." Für künstliche Intelligenz. Einfach ausgedrückt: die Fähigkeit, künstliche Intelligenz einzusetzen, zu verwalten und zu skalieren, um sie aus den Grenzen von Laboren und kleinen Laboren in alle Bereiche der Organisation zu übertragen.
Dies bedeutet, die notwendigen Anstrengungen zu unternehmen, um sicherzustellen, dass das Projekt von einem erfolgreichen, aber isolierten Experiment zu einem zentralen, integrierten Bestandteil der betrieblichen Abläufe wird. Dies wird durch den Einsatz künstlicher Intelligenz auf einer einheitlichen und integrierten Plattform erreicht, die Rechenleistung, Datenmanagement und Sicherheitsgovernance vereint. Entscheidend ist, dass diese Plattform so konzipiert ist, dass sie überall im Unternehmen eingesetzt werden kann – ob in eigenen Rechenzentren, über Cloud-Dienste oder sogar am Netzwerkrand.
Dieses Konzept ist uns nicht neu. Für den erfolgreichen Betrieb wichtiger Unternehmenssysteme – wie beispielsweise ERP- oder CRM-Systeme – muss der Fokus zunächst auf der Stabilität der Betriebsinfrastruktur liegen. Dasselbe gilt für künstliche Intelligenz, jedoch mit einem entscheidenden Unterschied.
Hierin liegen einzigartige Herausforderungen, die nicht übersehen werden dürfen, wenn wir diese Logik auf künstliche Intelligenz anwenden.
Es ist verlockend, die Gleichung für die KI-Infrastruktur allein auf GPUs zu reduzieren, doch die Realität ist wesentlich komplexer. Arbeitsspeicher mit hoher Bandbreite, ultraschneller Speicher und robuste Netzwerke sind ebenso wichtige Elemente. Hinzu kommt die Rolle anderer Prozessoren und Beschleuniger, deren Bedeutung je nach Arbeitsschritt variiert.
Am wichtigsten ist, dass diese Infrastruktur – ob lokal, cloudbasiert oder hybrid – mit dem Projekt wachsen und sich anpassen kann. Ein Erfolg in einer begrenzten Pilotphase reicht nicht aus; sie muss sich auch bewähren, wenn das Projekt zu einem vollwertigen, unternehmensweiten Produktionssystem wird. Künstliche Intelligenz ist naturgemäß stärker vernetzt und komplexer als traditionelle Geschäftssysteme.
Doch das Problem reicht weit über Rechenleistung und Speicherkapazität hinaus. Wenn wir über KI auf Unternehmensebene sprechen, werden Sicherheit und Governance zu einer unabdingbaren Grenze. Die Daten und proprietären Modelle eines Unternehmens sind sein wahres Kapital für die Zukunft und müssen sicher in seinem Besitz bleiben.
Hier wird die Angelegenheit durch die Verflechtung von Datenschutzgesetzen und den zunehmenden Regulierungen im Bereich der künstlichen Intelligenz noch komplexer. Für Technologieunternehmen reicht es nicht mehr aus, einfach nur zu vertrauen; sie benötigen absolute Gewissheit darüber, wo ihre Daten gespeichert sind, und müssen genau wissen, wer Zugriff darauf hat und wem dieser verwehrt ist.
Das Potenzial künstlicher Intelligenz ist grenzenlos, doch die Kosten sind es auch, wenn diese Infrastruktur falsch verwaltet wird. Stellen Sie sich vor, Sie zahlen hohe Preise für Rechenleistung und Energie, nur um diese Ressourcen ungenutzt zu lassen. Das führt nicht nur zu einer geringeren Rendite, sondern untergräbt auch die ökologischen und sozialen Verpflichtungen des Unternehmens.
Betriebliche Erweiterung
Technologieführer müssen von Anfang an planen, wie sie ihre technologischen Kapazitäten erweitern – und gegebenenfalls reduzieren – und darüber hinaus die Kosten präzise steuern und prognostizieren können. Dafür benötigen sie eine Plattform und Tools, die ihnen die nötige Sicherheit geben, um all dies reibungslos und einfach umzusetzen.
Mit dem Einsatz von KI-Systemen gewinnt diese Notwendigkeit noch an Dringlichkeit. Durch deren Präsenz greifen automatisierte Systeme auf Daten zu, generieren neue Informationen und treffen Entscheidungen. Sicherheit, Governance und Compliance müssen daher weiterhin streng und kompromisslos gewährleistet sein. Die Infrastruktur muss in der Lage sein, diese Systeme zu unterstützen und plötzliche Nachfragespitzen während ihrer Aufgaben zu bewältigen. Darüber hinaus muss die Platzierung der technischen Ressourcen sorgfältig geplant werden, um die Reaktionszeiten für Echtzeit-Inferenzprozesse zu minimieren und gleichzeitig den Energieverbrauch in einem angemessenen Rahmen zu halten.
Wenn wir all diese Aspekte berücksichtigen, wird das wahre Bild der Einsatzbereitschaft im Zeitalter der künstlichen Intelligenz deutlich.
Diese Einsatzbereitschaft erfordert einen umfassenden, sofort einsatzbereiten Ansatz: eine robuste Plattform, die GPUs und andere notwendige Beschleuniger unterstützt. Diese Plattform muss integrierte Datendienste umfassen, die alle für künstliche Intelligenz erforderlichen Formate unterstützen, sowie robuste Sicherheitskontrollen und Governance-Mechanismen. Sie sollte außerdem virtuelle Maschinen und Container unterstützen und deren Betrieb koordinieren können.
Der Wettlauf um den Einsatz und die Nutzung künstlicher Intelligenz ist schon anstrengend genug, und niemand möchte gleichzeitig den Kampf um die Migration zu einer Cloud-nativen Infrastruktur führen.
Große Sprachmodelle (LLMs) liefern zwar nicht immer identische Ergebnisse, doch die zugrundeliegende Infrastruktur künstlicher Intelligenz – generativ und deduktiv – muss genau das Gegenteil sein: wiederholbar und standardisierbar. Dies ist eine Grundvoraussetzung für jedes Unternehmen, das skalieren möchte, um der steigenden Nachfrage gerecht zu werden, sei es in der Cloud, On-Premise oder am Netzwerkrand.
Wenn Technologieführer über die richtige Plattform und die richtigen Werkzeuge verfügen, können sie ihre Teams zum ultimativen Ziel führen: den Nutzen aus KI-Investitionen konsequent zu maximieren, anstatt Zeit und Ressourcen damit zu verschwenden, ein erfolgreiches Pilotprojekt in eine umfassende Unternehmensstrategie umzuwandeln.
Ob Unternehmen nun alles auf künstliche Intelligenz setzen oder sie nur als ein Werkzeug in ihrem breiteren Spektrum betrachten – eines bleibt gewiss: Technologieführer müssen eine unumstößliche Wahrheit erkennen: KI ist per se eine Unternehmensanwendung. Und Unternehmensanwendungen vertragen keine unzureichenden oder temporären Lösungen; sie benötigen eine Infrastruktur auf Unternehmensebene, die das Projekt von der ersten Testphase über den Produktivbetrieb bis hin zur Zukunft unterstützt.
Denn nur so können ihre Institutionen langfristig überleben und fortbestehen.
Von: Ahmed Rashad, Spezialist für künstliche Intelligenz bei Nutanix
https://tafaol.sa/?p=100106
